metaheurístiques

Les metaheurístiques són marcs d'algorismes d'alt nivell destinats a guiar la creació d'algorismes d'optimització per resoldre problemes complexos. No busquen una solució exacta, sinó una bona solució propera a l'òptim en un temps raonable. El terme s'utilitza especialment en optimització combinatòria i contínua, on els mètodes exactes poden ser impracticables a causa de l'explosió combinatòria o de la complexitat.

Són, generalment, marcs independents del problema que proporcionen principis per equilibrar l'exploració (diversificació) i l'explotació (intensificació). Aquestes tècniques empren sovint elements aleatoris, memòria de recerca i heurístiques locals, i són dissenyades per ser adaptables a diferents problemes mitjançant el condicionament dels seus paràmetres.

Entre les famílies més conegudes figuren la recuit simulat (simulated annealing), la recerca tabú (tabu search), els algorismes genètics (genetic algorithms), l'optimització per colònies de formigues (ant colony optimization) i l'optimització per enjams de partícules (particle swarm optimization). També s'utilitzen enfocaments com GRASP i estratègies híbrides.

Les metaheurístiques s'apliquen en planificació i programació, rutes, logística, fabricació, energia i enginyeria, especialment per a problemes que impliquen combinacions i mixtes. El seu principal avantatge és la flexibilitat i l'aplicabilitat ampla, mentre que les limitacions inclouen la manca de garanties d'optimitat, la sensibilitat als paràmetres i la necessitat de l'ajustament empíric.